Combing machine learning and elemental profiling for geographical authentication of Chinese Geographical Indication (GI) rice
Combinación de aprendizaje automático y caracterización de perfiles elementales para autenticación geográfica de Indicación Geográfica (IG) china
La identificación del origen geográfico es de vital importancia para la protección de la autenticidad de productos agrícolas con orígenes designados. Este trabajo presenta el desarrollo de un método analítico robusto que podría autenticar el origen geográfico de los productos de Indicación Geográfica (IG). Este método se basa en el perfil elemental determinado por espectrometría de masas de plasma acoplado inductivamente (ICP-MS) en combinación con técnicas de aprendizaje automático para la construcción de modelos y la selección de características. El método fue utilizado para predecir y clasificar seis variedades de arroz GI de China. Con base en los resultados, los autores sugieren que el estudio podría utilizarse para desarrollar métodos confiables para rastrear los orígenes geográficos y controlar el etiquetado fraudulento de diversos productos agroalimentarios de alto valor.
Este estudio fue desarrollado por Fei Xu, Fanzhou Kong, Hong Peng (Mars Global Food Safety Center, Beijing, China), Shuofei Dong (Agilent Technologies (China) Co. Ltd., Beijing, China), Weiyu Gao y Guangtao Zhang (Mars Global Food Safety Center, Beijing, China) para npj Science of Food (Vol 5, núm. 18, 2021), una revista enfocada en seguridad alimentaria, producción integrada, procesamiento y envasado de alimentos, así como los cambios e interacciones de los componentes de los alimentos. Esta es una publicación de Nature. Correo de contacto: [email protected].
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:1129 kb
Developing water, energy, and food sustainability performance indicators for agricultural systems
Desarrollo de indicadores de desempeño de sostenibilidad alimentaria, hidrológica y energética para sistemas de agricultura
La evaluación integrada y la toma de decisiones basadas en el nexo agua-energía-alimentos son imperativas para apoyar la gestión de recursos debido a la amplia gama de actores económicos, sociales y ambientales. Este estudio se enfoca en investigar la evaluación integrada de la sostenibilidad agrícola desde tres dimensiones: agua, energía y alimentos, y los impactos ambientales asociados. La metodología se basa en indicadores de desempeño sostenible (SPI) de agua, alimentos y energía para evaluar la sostenibilidad de la agricultura regional. Se evalúa el impacto de cada sector en la sustentabilidad de los otros sectores por la decisión multicriterio AHP -método de elaboración basado en el nexo agua-alimentos-energía.
Este estudio fue desarrollado por Soheila Zarei, Omid Bozorg‑Haddad (University of Tehran, Tehran, Iran), Vijay P. Singh (Texas A&M University, TX, USA) y Hugo A. Loáiciga (University of California, CA, USA) para Scientific Reports (Vol. 11, núm. 22831, 2021), una revista dedicada a la divulgación de estudios sobre ciencias naturales y clínicas. Esta es una publicación de Nature. Correo de contacto: [email protected]
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:1906 kb